ABSTRAKSI: Semakin berkembangnya teknologi pada jaringan komputer mengakibatkan hal-hal yang bersifat mengganggu keamanan jaringan komputer semakin tinggi. Oleh karena itu, sangat diperlukan pengelolaan keamanan jaringan. Salah satu konsep dari pengelolaan keamanan jaringan yang dapat mendeteksi serangan atau penyusupan sedini mungkin dengan pendeteksian yang sistematis adalah Intrusion Detection System. IDS (Intrusion Detection System) adalah sebuah sistem keamanan jaringan yang melakukan pengawasan terhadap traffic jaringan dan pengawasan terhadap kegiatan-kegiatan yang mencurigakan atau tindakan ilegal di dalam sebuah sistem jaringan.
Pada tugas akhir ini, dirancang dan disimulasikan suatu sistem aplikasi Intrusion Detection System yang dilengkapi dengan kemampuan pembelajaran yang adaptif dengan menerapkan metode Multilayer Perceptron. Dataset intrusi dari NSL-KDD digunakan sebagai input data pelatihan dan simulasi. Pelatihan dilakukan dengan dua alur, yaitu dengan data training keseluruhan dan dengan dataset training tereduksi. Proses pelatihan menggunakan algoritma Levenberg-Marquardt Backpropagation. Sedangkan proses simulasi menggunakan dataset test.
Topologi Multilayer Perceptron akhir untuk dataset training keseluruhan adalah 25 neuron pada 1 hidden layer dengan mse 0.00362, dan untuk dataset training tereduksi adalah 2 hidden layer dengan 40 neuron dan 10 neuron dengan mse 0.00297. Pada pengujian topologi hasil pelatihan dataset training keseluruhan, akurasi untuk kelas normal adalah 82.5% dan untuk akurasi serangan adalah 77.3%. Sedangkan untuk pengujian topologi hasil pelatihan dataset training tereduksi, akurasi untuk kelas normal adalah 93.5% dan untuk akurasi serangan adalah 92.56%.Kata Kunci : Intrusion Detection System, Keamanan Jaringan, Jaringan Syaraf Tiruan, Multilayer PerceptronABSTRACT: The continued development of technology in the computer network, resulting in things that unreasonably interfere with computer network security becomes increasingly higher. Therefore, it is necessary network security management. One of the concepts of network security management that can detect attacks or intrusions as early as possible with a systematic detection is the Intrusion Detection System. IDS (Intrusion Detection System) is a network security system that monitoring the network traffic and monitoring of suspicious activities or illegal acts within a network system.
In this final project, designed and simulated an Intrusion Detection System application system which is equipped with an adaptive learning capabilities by applying the method of Multilayer Perceptron. Intrusion dataset from NSL-KDD is used as input data for training and simulation. Training is done with two strands, namely with the overall training data and with reduced training dataset. The process of training using Levenberg- Marquardt Backpropagation algorithm. While the process simulation using a test dataset.
Multilayer Perceptron final topology to the whole training dataset is 25 neurons in a hidden layer with mse 0.00362, and for reduced training datasets are 2 hidden layers with 40 neurons and 10 neurons with mse 0.00297. In the test of topology as result from overall training dataset training, the accuracy for the normal class is 82.5% and for the accuracy of the attack is 77.3%. As for the testing topology of reduced training dataset of training results, the accuracy for the normal class is 93.5% and for the accuracy of the attack is 92.56%.Keyword: Intrusion Detection System, Network Security, Neural Networks, Multilayer Perceptron